使用机器学习法推理基金配置
创建于 更新于
摘要
本报告提出了两种基于机器学习的方法——延伸线性克隆法（ELC）和顺序震荡选择法（SOS），用于推理基金的资产配置。SOS算法在标普500股票池和行业ETF的测试中，准确率显著优于ELC，准确率达88.2%至98.6%，且运行时间在8至15秒之间。报告详细介绍了算法构建步骤、性能评估指标（布尔分类准确率和马修斯相关系数MCC），并探讨了方法的适用条件与改进空间。实验显示SOS算法在推理基金持仓方面表现优异，有助于揭示基金调仓行为及资产粉饰 [page::0][page::1][page::2][page::3]
